MétaCan
Menu
Retour à la cohorte
Enregistrement W1968170241 · doi:10.12735/jotr.v1i1p21

French and German Tourism in the Mediterranean - A Market Share Analysis

2014· article· en· W1968170241 sur OpenAlexvenueno aff
William Gatt, Joseph Falzon

Notice bibliographique

RevueJournal of Tourism and Recreation · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermanTourismMediterranean climateMarket analysisBusinessMarket shareEconomic geographyEconomyGeographyEconomicsMarketingArchaeology

Résumé

récupéré en direct d'OpenAlex

Tourism is an important economic sector for Mediterranean countries, and these compete for market share. In our study we look at the evaluation of market shares amongst a group of seven Mediterranean countries for both German and French tourists. Our data shows that these shares have changed significantly over the period 1963-2009. We utilise the Almost Ideal Demand System, a model grounded in economic theory, to understand what has driven these changes. The estimated own-price elasticities indicate the sensitivity of demand to price increases in each country, while cross-price elasticities shed light on the relative complementarity and substitutability of the holiday destinations. We find that while Spain was relatively unaffected by the development of the tourism market in countries such as Cyprus, Malta and Turkey, Italy lost significant market share, in part due to a relative loss of competitiveness. An innovation of this study is an assessment of the stability of the elasticity estimates over the sample. In line with other studies in this area, we highlight that the results of this study can serve as useful information for policymakers in the formulation of policies on tourism market development.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,213
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Tourism and RecreationMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207